您好,登錄后才能下訂單哦!
這篇文章主要介紹了Python3中如何使用User Agent和代理IP隱藏身份,具有一定借鑒價(jià)值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
運(yùn)行平臺:Windows
Python版本:Python3.x
IDE:Sublime text3
一、為何要設(shè)置User Agent
有一些網(wǎng)站不喜歡被爬蟲程序訪問,所以會檢測連接對象,如果是爬蟲程序,也就是非人點(diǎn)擊訪問,它就會不讓你繼續(xù)訪問,所以為了要讓程序可以正常運(yùn)行,需要隱藏自己的爬蟲程序的身份。此時(shí),我們就可以通過設(shè)置User Agent的來達(dá)到隱藏身份的目的,User Agent的中文名為用戶代理,簡稱UA。
User Agent存放于Headers中,服務(wù)器就是通過查看Headers中的User Agent來判斷是誰在訪問。在Python中,如果不設(shè)置User Agent,程序?qū)⑹褂媚J(rèn)的參數(shù),那么這個(gè)User Agent就會有Python的字樣,如果服務(wù)器檢查User Agent,那么沒有設(shè)置User Agent的Python程序?qū)o法正常訪問網(wǎng)站。
Python允許我們修改這個(gè)User Agent來模擬瀏覽器訪問,它的強(qiáng)大毋庸置疑。
二、常見的User Agent
1.Android
Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19
Mozilla/5.0 (Linux; U; Android 4.0.4; en-gb; GT-I9300 Build/IMM76D) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30
Mozilla/5.0 (Linux; U; Android 2.2; en-gb; GT-P1000 Build/FROYO) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1
2.Firefox
Mozilla/5.0 (Windows NT 6.2; WOW64; rv:21.0) Gecko/20100101 Firefox/21.0
Mozilla/5.0 (Android; Mobile; rv:14.0) Gecko/14.0 Firefox/14.0
3.Google Chrome
Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36
Mozilla/5.0 (Linux; Android 4.0.4; Galaxy Nexus Build/IMM76B) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.133 Mobile Safari/535.19
4.iOS
Mozilla/5.0 (iPad; CPU OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A334 Safari/7534.48.3
Mozilla/5.0 (iPod; U; CPU like Mac OS X; en) AppleWebKit/420.1 (KHTML, like Gecko) Version/3.0 Mobile/3A101a Safari/419.3
上面列舉了Andriod、Firefox、Google Chrome、iOS的一些User Agent,直接copy就能用。
三、設(shè)置User Agent的方法
先看下urllib.request.Request()
從上圖可以看出,在創(chuàng)建Request對象的時(shí)候,可以傳入headers參數(shù)。
因此,想要設(shè)置User Agent,有兩種方法:
1.在創(chuàng)建Request對象的時(shí)候,填入headers參數(shù)(包含User Agent信息),這個(gè)Headers參數(shù)要求為字典;
2.在創(chuàng)建Request對象的時(shí)候不添加headers參數(shù),在創(chuàng)建完成之后,使用add_header()的方法,添加headers。
方法一:
創(chuàng)建文件urllib_test09.py,使用上面提到的Android的第一個(gè)User Agent,在創(chuàng)建Request對象的時(shí)候傳入headers參數(shù),編寫代碼如下:
# -*- coding: UTF-8 -*-from urllib import requestif __name__ == "__main__":#以CSDN為例,CSDN不更改User Agent是無法訪問的url = 'http://www.csdn.net/'head = {}#寫入U(xiǎn)ser Agent信息head['User-Agent'] = 'Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19' #創(chuàng)建Request對象req = request.Request(url, headers=head)#傳入創(chuàng)建好的Request對象response = request.urlopen(req)#讀取響應(yīng)信息并解碼html = response.read().decode('utf-8')#打印信息print(html)
運(yùn)行結(jié)果如下:
方法二:
創(chuàng)建文件urllib_test10.py,使用上面提到的Android的第一個(gè)User Agent,在創(chuàng)建Request對象時(shí)不傳入headers參數(shù),創(chuàng)建之后使用add_header()方法,添加headers,編寫代碼如下:
# -*- coding: UTF-8 -*-from urllib import requestif __name__ == "__main__":#以CSDN為例,CSDN不更改User Agent是無法訪問的url = 'http://www.csdn.net/'#創(chuàng)建Request對象req = request.Request(url)#傳入headersreq.add_header('User-Agent', 'Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19')#傳入創(chuàng)建好的Request對象response = request.urlopen(req)#讀取響應(yīng)信息并解碼html = response.read().decode('utf-8')#打印信息print(html)
運(yùn)行結(jié)果和上一個(gè)方法是一樣的。
四、IP代理的使用
1.為何使用IP代理
User Agent已經(jīng)設(shè)置好了,但是還應(yīng)該考慮一個(gè)問題,程序的運(yùn)行速度是很快的,如果我們利用一個(gè)爬蟲程序在網(wǎng)站爬取東西,一個(gè)固定IP的訪問頻率就會很高,這不符合人為操作的標(biāo)準(zhǔn),因?yàn)槿瞬僮鞑豢赡茉趲譵s內(nèi),進(jìn)行如此頻繁的訪問。所以一些網(wǎng)站會設(shè)置一個(gè)IP訪問頻率的閾值,如果一個(gè)IP訪問頻率超過這個(gè)閾值,說明這個(gè)不是人在訪問,而是一個(gè)爬蟲程序。
2.一般步驟說明
一個(gè)很簡單的解決辦法就是設(shè)置延時(shí),但是這顯然不符合爬蟲快速爬取信息的目的,所以另一種更好的方法就是使用IP代理。使用代理的步驟:
(1)調(diào)用urlib.request.ProxyHandler(),proxies參數(shù)為一個(gè)字典。
(2)創(chuàng)建Opener(類似于urlopen,這個(gè)代開方式是我們自己定制的)
(3)安裝Opener
使用install_opener方法之后,會將程序默認(rèn)的urlopen方法替換掉。也就是說,如果使用install_opener之后,在該文件中,再次調(diào)用urlopen會使用自己創(chuàng)建好的opener。如果不想替換掉,只是想臨時(shí)使用一下,可以使用opener.open(url),這樣就不會對程序默認(rèn)的urlopen有影響。
3.代理IP選取
在寫代碼之前,先在代理IP網(wǎng)站選好一個(gè)IP地址,推薦西刺代理IP。
URL:http://www.xicidaili.com/
注意:當(dāng)然也可以寫個(gè)正則表達(dá)式從網(wǎng)站直接爬取IP,但是要記住不要太頻繁爬取,加個(gè)延時(shí)什么的,太頻繁給服務(wù)器帶來壓力了,服務(wù)器會直接把你block,不讓你訪問的,我就被封了兩天。
從西刺網(wǎng)站選出信號好的IP,我的選擇如下:(106.46.136.112:808)
編寫代碼訪問http://www.whatismyip.com.tw/,該網(wǎng)站是測試自己IP為多少的網(wǎng)址,服務(wù)器會返回訪問者的IP。
4.代碼實(shí)例
創(chuàng)建文件urllib_test11.py,編寫代碼如下:
# -*- coding: UTF-8 -*-from urllib import requestif __name__ == "__main__":#訪問網(wǎng)址url = 'http://www.whatismyip.com.tw/'#這是代理IPproxy = { 'http':'106.46.136.112:808'}#創(chuàng)建ProxyHandlerproxy_support = request.ProxyHandler(proxy)#創(chuàng)建Openeropener = request.build_opener(proxy_support)#添加User Angentopener.addheaders = [('User-Agent','Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36')]#安裝OPenerrequest.install_opener(opener)#使用自己安裝好的Openerresponse = request.urlopen(url)#讀取相應(yīng)信息并解碼html = response.read().decode("utf-8")#打印信息print(html)
運(yùn)行結(jié)果如下:
從上圖可以看出,訪問的IP已經(jīng)偽裝成了106.46.136.112。
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“Python3中如何使用User Agent和代理IP隱藏身份”這篇文章對大家有幫助,同時(shí)也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識等著你來學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。